Gabor特征抽取的快速算法及人脸识别应用研究

由于2D Gabor滤波器具有生物学背景及最佳的时频局部化性质，广泛应用于计算机视觉的许多领域。然而，Gabor滤波器在实用中也存在一些局限和不足。一个重要的问题是Gabor特征维数较高，目前没有一种有效的Gabor特征抽取快速算法，由此带来较慢的处理速度、较大的计算开销和存储负担等，这必将制约其推广应用。该项目研究致力于构建与完善Gabor特征抽取快速算法的理论框架模型，并设计对应的快速算法。具体研究内容包括：建立Gabor特征的评价基准；Gabor特征（奇特征、偶特征、幅值特征和相位特征）的性质分析；建立对应Gabor滤波器的空域模板。项目中所有实验内容都是基于人脸识别应用，并应用研究结果提高现有人脸识别系统的识别性能和处理速度。本项目的创新之处在于：从提高Gabor特征的鉴别能力和空域入手，设计相应的快速算法，不同于已有的从卷积过程的快速变换以及牺牲识别率换取较快的处理速度等思路。